在技术不断发展的时代成功生存和发展的老牌公司的共同特征之一是正确使用数据科学、数据工程和机器学习。无处不在的互联网连接和人工智能的进步为组织提供了获取价值、学习和开发解决实际问题的解决方案的前所未有的潜力。


为什么现在是在大公司成为数据科学家的好时机?


但这些组织需要有才华的数据科学家、数据工程师和机器学习/人工智能工程师,才能将这种潜力转化为真正的机会。另一方面,数据科学家可以通过在拥有基础设施的大公司工作来学习很多东西并磨练他们的技能,这些公司拥有构建人工智能工厂的基础设施,将数据转化为现实世界的成功。


数据科学IRL


任何有经验的数据科学家都会告诉您,在大学和教育机构从事学术和研究工作与从事实际项目之间存在很大差异。


在前者中,您通常在为教育和研究目的而清理和预处理的数据集上训练和测试机器学习模型。您的输入是数据,您的精度和准确度指标的输出。在这些环境中,重点是学习和突破科学的极限。机器学习的学术研究为我们每天使用的许多应用程序奠定了基础。


但是,在创建现实世界的应用程序、人们将在日常生活中使用的工具时,会出现不同的挑战。数据可能稀缺、难以收集、碎片化或不存在。数据科学家需要熟练的数据库工程师的帮助来创建统一的数据存储来训练和测试机器学习模型。


另一方面,问题可能没有很好地定义。机器学习算法和模型将对人们的生活或组织的运作方式产生直接影响。无论是使用 CT 扫描支持放射科医生进行诊断,还是管理供应链并利用 AI 进行更好的预测和规划,数据科学家都需要领域专家的帮助来定义成功和失败的正确标准和指标,并将小麦与糠。


最后,机器学习模型必须集成到应用程序、API、Web 门户中,并大规模交付给不同地理区域的各种参与者。所有这些挑战都需要软件工程师、UI/UX 设计师、IT 专家等的帮助。


大规模和现实生活中的数据科学是非常有益的,它将为有抱负的数据科学家提供独特的机会,让他们将他们的技能和才能付诸实践。但它也需要在正确的生态系统和正确的公司中完成,这就是你在将必要的部分整合在一起的大公司中会发现的。


利用数据爆炸


为什么现在是在大公司成为数据科学家的好时机?


对数据科学家的需求不断增加的驱动因素之一是从物理世界收集数据的能力不断增强。我们可以在数字化以前没有渗透的广泛领域中看到这一点。


“在制造领域,我们看到了工业物联网 (IIot) 的一些趋势。就像它的“正常”对应物一样,这完全是关于连接工业设备,从大型生产设备到协作机器人(Cobots)、自动导引车(AGV)以及能源监控解决方案,以实现更高效的能源使用,”飞利浦高级工程师兼制造 IT 专家 Bas Tijsma 说。


Tijsma 补充说,连接和数字化工业环境的趋势将随着 5G 网络的出现和扩展而增长,5G 网络可以在工厂车间提供强大的连接。“5G还有助于将信息带回运营商和支持工程师;他们只能从办公室 PC 访问的数据现在可以轻松传输到车间(或家中),”他说。


我们可以在许多领域看到类似的趋势。例如,在医疗保健领域,从个人装备到医院设备,连接性和数据收集能力比以往任何时候都多,这为数据科学的应用创造了前所未有的机会。飞利浦人才智能数据科学家 Priyaranjan Dhar 表示:“过去十年,机器人、基因组学、医疗设备、物联网、健身可穿戴设备等医疗保健技术的发展在对数据科学家不断增长的需求中发挥了关键作用。”


另一个例子是保险业,服务提供商可以使用物联网技术,例如汽车中的远程信息处理设备和智能家居传感器,以更好地评估风险并为客户提供个性化的保费。现在有许多初创公司正在利用数据科学、机器学习和物联网在以前未发现的领域提供保险服务。但我们也看到了劳合社等老牌保险公司的转变,该公司致力于自己的数据科学计划,同时也在帮助培育刚刚起步的保险科技领域。


实体零售业是另一个必须适应数字化和人工智能时代的零售业。一个很好的例子是沃尔玛,它现在正忙于招募数据科学家和人工智能人才,以跟上亚马逊、阿里巴巴和其他从电子商务平台起步但已成为高科技无所不在的零售商的公司。与此同时,未能适应的零售商不得不让位给以技术为导向的新贵。最突出的例子是西尔斯,它在经营了一个多世纪后于 2018 年申请破产。


很少有领域没有受到数据科学的影响。“数据科学已经在人们能想到的所有领域发挥着至关重要的作用。可穿戴设备通过不断跟踪生命体征并在出现任何异常情况时发出信号,帮助挽救了生命。物联网、智能传感器、5G 已在自动驾驶汽车和完全自动化的零售购买体验(Amazon Go 商店)中找到应用,”飞利浦高级经理兼数据科学家 Karthik AV 说。


在技术基础设施到位的大型科技公司,数据科学家将找到机会充分利用这一庞大的数据存储并将其转化为可操作的见解。在飞利浦开始工作时,拥有机械和工业工程背景的 Tijsma 对可供他使用的 IT 系统数量之多感到惊讶,他很快学会了使用它们来提高制造工厂的生产绩效。


“我一直都有优化系统的想法,因此这很快成为我工作的一部分。在完成了几个工业化项目后,我们意识到我们有很多数据,但仅用于故障排除目的,在事件已经发生并且基本上为时已晚。这种缺乏可预测性本质上是制造现场第一批数据科学团队之一的开始,今天它仍然是我的激情所在,”他说。


“飞利浦拥有一些世界上最先进的生产基地,这些技术可以在这些基地进行开拓和测试,”蒂斯玛说。“其中一个优势是您可以使用实时数据,并且可以立即看到实际工作的结果。”


利用人工智能的进步


为什么现在是在大公司成为数据科学家的好时机?


飞利浦是积极关注扩展数据科学能力以改善客户体验、获得竞争优势并减少整个组织的缺陷的公司之一。飞利浦将其 18 亿欧元的研发预算中的 50% 用于信息学。该公司通过人工智能和医疗保健信息学来理解其庞大的数据存储。除了研发,飞利浦还在销售、营销、IT、供应链、财务、人力资源等领域利用人工智能和数据科学。在飞利浦,由数据科学家、工程师、临床专家和其他人组成的多学科团队合作开发人工智能技术,以改善整个护理连续体(健康生活、预防、诊断和治疗、家庭护理)的医疗决策和干预措施。


例如,在飞利浦制造工厂,数据科学家正在应用广泛的机器学习技术来提高效率并降低成本。


“关于如何使用生产数据来预测行为,例如生产工具的预期寿命或预测产品质量水平,而无需实际进行样品测试,有一些非常有趣的想法。我们已经在我们的生产系统中实施了几种机器学习模型,这些模型允许对生产偏差进行高级分析和早期预警,向我们的操作员触发警报,甚至将机器的设置控制到最佳状态,”Tijsma 说,他是努力。


另一个值得关注的趋势是前沿人工智能研究的应用。例如,许多组织已经掌握了大量非结构化数据,例如图像、视频、电子邮件和聊天日志,这些数据主要需要人类技能来进行处理和分析。近年来,计算机视觉和自然语言处理等领域的进步使组织能够将数据科学和机器学习应用于这一系列数据,这为为客户创造价值提供了新的场所。


“人工智能在理解和处理人类输入方面变得越来越好,比如语音、文本和人类动作,”蒂斯玛说。“所有这些输入都需要处理成有价值的见解。除了更传统的数据科学活动之外,还高度关注制造环境中数据科学的操作化,其中大多数数据是时间序列的,数据质量是未知的。面临的挑战是将所有这些数据结合成有价值的见解,例如通过预测能力支持维护和质量。”


数据科学医疗保健


Tijsma 正在探索深度学习在工厂环境中的各种应用。“一个有趣的领域是使用相机系统和图像识别。我们看到了很多应用,从质量控制到防止事故的智能安全系统,再到监控人体运动以改善人体工程学,”他说。飞利浦机器学习团队已经在开展一项试点计划,他们使用人工神经网络对工厂的设备和物品进行目视检查。


在 Dhar 工作的 Philips Talent Intelligence,数据科学仍处于早期阶段,还有很多实验和探索。“飞利浦人才智能的一些关键管道项目专注于在职位描述数据上使用 NLP,用于竞争情报、位置聚类、人才集群、员工敬业度和情绪分析,”他说。


飞利浦的数据科学家也在运用他们的知识来提高公司的供应链效率。“我们目前的重点是部署定制的、最先进的、集合预测解决方案,从选定的市场和产品开始,逐步在整个飞利浦组织中推广,这将支持和支持需求规划者,”Karthik 说。“我们正在利用内部(库存位置、促销等)和外部(Google 搜索趋势、covid-19 移动性、亚马逊流量等)的多个数据源来准确地对需求模式进行建模,以提高我们的预测准确性。”


协同效应和扩张


从软件工程开始,数据科学正逐渐融入许多数字和物理领域。飞利浦软件卓越中心能力顾问 Lena Jaschke 说:“虽然数据科学和软件工程都涉及编程技能,但它们通常被视为两个独立的学科,具有不同的重点领域。” “对于某些应用,这可能是真的。然而,我们看到了软件和数据科学能力之间存在大量协同效应和相关性的趋势。”


Jaschke 与世界各地的软件开发人员合作,发现软件开发人员越来越意识到数据科学技能对支持未来需求的重要性。但好处是双向的。“当应用出色的软件工艺时,数据科学家可以加快他们的工作,”她说。


数据科学的整合只会在未来几年扩大。“数据科学已经渗透到许多业务领域,用例和应用程序每天都在发展,”Dhar 说。“数据科学作为一个领域现在已经成为以领域为中心的。除了技术理解之外,对该领域的深入了解及其理解在解决方案开发中也起着关键作用。”


大型科技公司丰富的数字基础设施、人才的多样性以及种类繁多的学科和活动为有抱负的数据科学家提供了完美的环境,以充分发挥他们的潜力,并找到新的机会将他们的技能付诸实践。


“对于任何以数据科学家身份加入飞利浦的人来说,他们将拥有具有挑战性和回报的职业生涯,并有机会使用最新技术并与公司内外的专家互动,”Karthik 说。

 

免责声明

我来说几句

不吐不快,我来说两句
最新评论

还没有人评论哦,抢沙发吧~